L'apprentissage automatique a été l'une des plus grandes avancées de l'histoire de l'informatique et est désormais considéré comme étant capable de jouer un rôle important dans le domaine des mégadonnées et de l'analyse. L'analyse des mégadonnées est un énorme défi du point de vue de l'entreprise. Par exemple, des activités telles que la compréhension du grand nombre de formats de données différents, l'analyse de la préparation des données et le filtrage des données redondantes peuvent être gourmandes en ressources. Recruter des spécialistes des data scientists est une proposition coûteuse et non un moyen pour toutes les entreprises. Les experts pensent que l'apprentissage automatique peut automatiser de nombreuses tâches associées à l'analyse, qu'elles soient routinières ou complexes. L'apprentissage automatique automatisé peut libérer des ressources importantes qui pourraient être utilisées pour des travaux plus complexes et innovants. L'apprentissage automatique semble évoluer dans cette direction tout le temps.
L'automatisation dans le contexte des technologies de l'information
En informatique, l'automatisation est la connexion de différents systèmes et logiciels, leur permettant d'effectuer des tâches spécifiques sans aucune intervention humaine. En informatique, les systèmes automatisés peuvent effectuer des tâches simples et complexes. L'intégration de formulaires avec des fichiers PDF et l'envoi de documents au bon destinataire peuvent être un exemple de travail simple, tandis que la fourniture de sauvegardes hors site peut être un exemple de travail complexe.
Pour faire votre travail correctement, vous devez programmer ou donner des instructions claires au système automatisé. Chaque fois qu'un système automatisé est nécessaire pour modifier la portée de son travail, le programme ou le jeu d'instructions doit être mis à jour par quelqu'un. Bien que le système automatisé soit efficace dans son travail, des erreurs peuvent se produire pour diverses raisons. Lorsque des erreurs se produisent, la cause première doit être identifiée et corrigée. Clairement, pour faire son travail, un système automatisé est complètement dépendant de l'homme. Plus la nature du travail est complexe, plus la probabilité d'erreurs et de problèmes est élevée.
Un exemple courant d'automatisation dans l'industrie informatique est l'automatisation des tests d'interfaces utilisateur Web. Les cas de test sont introduits dans le script d'automatisation et l'interface utilisateur est testée en conséquence. (Pour en savoir plus sur l'application pratique de l'apprentissage automatique, consultez Machine Learning and Hadoop in Next Generation Fraud Detection.)
L'argument en faveur de l'automatisation est qu'elle effectue des tâches routinières et reproductibles et libère les employés pour qu'ils effectuent des tâches plus complexes et créatives. Cependant, il est également avancé que l'automatisation a exclu un grand nombre de tâches ou de rôles auparavant effectués par des humains. Aujourd'hui, avec l'arrivée de l'apprentissage automatique dans divers secteurs, l'automatisation peut ajouter une nouvelle dimension.
L'avenir de l'apprentissage automatique automatisé ?
L'essence de l'apprentissage automatique est la capacité d'un système à apprendre en continu à partir des données et à évoluer sans intervention humaine. L'apprentissage automatique est capable d'agir comme un cerveau humain. Par exemple, les moteurs de recommandation sur les sites de commerce électronique peuvent évaluer les préférences et les goûts uniques d'un utilisateur et fournir des recommandations sur les produits et services les plus appropriés parmi lesquels choisir. Compte tenu de cette capacité, l'apprentissage automatique est considéré comme idéal pour automatiser des tâches complexes associées au Big Data et à l'analyse. Il a surmonté les limitations majeures des systèmes automatisés traditionnels qui ne permettent pas une intervention humaine sur une base régulière. Il existe plusieurs études de cas qui démontrent la capacité de l'apprentissage automatique à effectuer des tâches d'analyse de données complexes, qui seront abordées plus loin dans cet article.
Comme nous l'avons déjà noté, l'analyse des mégadonnées est une proposition difficile pour les entreprises, qui peut être partiellement déléguée aux systèmes d'apprentissage automatique. D'un point de vue commercial, cela peut apporter de nombreux avantages, tels que la libération de ressources de science des données pour des tâches plus créatives et critiques, des charges de travail plus élevées, moins de temps pour terminer les tâches et une rentabilité.
Étude de cas
En 2015, des chercheurs du MIT ont commencé à travailler sur un outil de science des données capable de créer des modèles de données prédictifs à partir de grandes quantités de données brutes à l'aide d'une technique appelée algorithmes de synthèse de caractéristiques approfondies. Les scientifiques affirment que l'algorithme peut combiner les meilleures fonctionnalités de l'apprentissage automatique. Selon les scientifiques, ils l'ont testé sur trois ensembles de données différents et étendent les tests pour en inclure davantage. Dans un article qui sera présenté à la Conférence internationale sur la science et l'analyse des données, les chercheurs James Max Kanter et Kalyan Veeramachaneni ont déclaré : « En utilisant un processus de réglage automatisé, nous optimisons l'ensemble du chemin sans intervention humaine, ce qui lui permet de se généraliser à différents ensembles de données ».
Regardons la complexité de la tâche : l'algorithme a ce qu'on appelle une capacité d'ajustement automatique, à l'aide de laquelle des informations ou des valeurs peuvent être obtenues ou extraites à partir de données brutes (telles que l'âge ou le sexe), après quoi des données prédictives des modèles peuvent être créés. L'algorithme utilise des fonctions mathématiques complexes et une théorie des probabilités appelée copule gaussienne. Il est donc facile de comprendre le niveau de complexité que l'algorithme peut gérer. Cette technique a également remporté des prix dans des concours.
L'apprentissage automatique pourrait remplacer les devoirs
Il est discuté dans le monde entier que l'apprentissage automatique pourrait remplacer de nombreux emplois car il effectue des tâches avec l'efficacité du cerveau humain. En fait, on craint que l'apprentissage automatique ne remplace les scientifiques des données, et il semble y avoir une base pour une telle inquiétude.
Pour l'utilisateur moyen qui n'a pas de compétences en analyse de données mais qui a des besoins analytiques divers dans sa vie quotidienne, il n'est pas possible d'utiliser des ordinateurs capables d'analyser d'énormes volumes de données et de fournir des données d'analyse. Cependant, les techniques de traitement du langage naturel (NLP) peuvent surmonter cette limitation en apprenant aux ordinateurs à accepter et à traiter le langage humain naturel. De cette façon, l'utilisateur moyen n'a pas besoin de fonctions ou de compétences analytiques sophistiquées.
IBM pense que le besoin de data scientists peut être minimisé ou éliminé grâce à son produit, la Watson Natural Language Analytics Platform. Selon Marc Atschuller, vice-président de l'analyse et de l'intelligence d'affaires chez Watson, « Avec un système cognitif comme Watson, vous posez simplement votre question - ou si vous n'avez pas de question, vous téléchargez simplement vos données et Watson peut les consulter. et déduisez ce que vous pourriez vouloir savoir. "
Conclusion
L'automatisation est la prochaine étape logique de l'apprentissage automatique et nous en ressentons déjà les effets dans notre vie quotidienne - sites de commerce électronique, suggestions d'amis Facebook, suggestions de réseau LinkedIn et classements de recherche Airbnb. Compte tenu des exemples donnés, il ne fait aucun doute que cela peut être attribué à la qualité des résultats produits par les systèmes d'apprentissage automatique automatisés. Malgré toutes ses qualités et ses avantages, l'idée d'un apprentissage automatique provoquant un chômage énorme semble un peu exagérée. Les machines remplacent les humains dans de nombreuses parties de notre vie depuis des décennies, mais les humains ont évolué et se sont adaptés pour rester pertinents dans l'industrie. Selon le point de vue, l'apprentissage automatique pour toutes ses perturbations n'est qu'une autre vague à laquelle les gens s'adapteront.
Heure de publication : 03 août-2021